登录
首页 » MATLAB » 机器学习中的多示例包层次SVM分类算法

机器学习中的多示例包层次SVM分类算法

于 2021-07-07 发布
0 179
下载积分: 1 下载次数: 7

代码说明:

机器学习中的多示例包层次SVM分类算法 【核心代码】Bag_KI_SVM.m KI-SVM ├── Bag KI-SVM │   ├── Bag_KISVM_prediction.m │   ├── Bag_KI_SVM.m │   ├── Find_y.m │   ├── Find_y_linear.m │   ├── Max_Violated_y_set.m │   ├── Readme.htm │   ├── celltomatrix.m │   ├── genIndex.m │   └── normalization_gaussian.m ├── Instance KI-SVM │   ├── Find_y.m │   ├── Find_y_linear.m │   ├── Inst_KISVM_prediction.m │   ├── Inst_KI_SVM.m │   ├── Max_Violated_y_set.m │   ├── Readme.htm │   ├── celltomatrix.m │   ├── genIndex.m │   └── normalization_gaussian.m ├── experiments.m ├── experiments_KISVM_musk1.m ├── libsvm-mat-2.88-MI-svm │   ├── COPYRIGHT │   ├── Makefile │   ├── README │   ├── doc.txt │   ├── heart_scale.mat │   ├── make.asv │   ├── make.m │   ├── read_sparse.c │   ├── read_sparse.mexw32 │   ├── read_sparse.mexw64 │   ├── svm.cpp │   ├── svm.cpp.bak │   ├── svm.h │   ├── svm.h.bak │   ├── svm.obj │   ├── svm_model_matlab.c │   ├── svm_model_matlab.c.bak │   ├── svm_model_matlab.h │   ├── svm_model_matlab.obj │   ├── svmpredict.c │   ├── svmpredict.mexw32 │   ├── svmpredict.mexw64 │   ├── svmtrain.c │   ├── svmtrain.c.bak │   ├── svmtrain.mexw32 │   └── svmtrain.mexw64 └── normedmusk1.mat 3 directories, 47 files

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • gabor提取纹理特征
    gabor提取纹理特征
    2020-01-06下载
    积分:1
  • Subband adaptive filter
    【实例简介】关于子带滤波器的代码,LMS、NLMS算法
    2021-07-13 00:31:52下载
    积分:1
  • 可靠性分析的函数检验程序
    【实例简介】包含指数正态分布等多种
    2021-06-06 00:31:11下载
    积分:1
  • 航天飞行动力学导弹弹道实例.docx
    方案飞行弹道计算及分析
    2021-05-06下载
    积分:1
  • susan角点检测算法
    susan角点检测算法
    2019-10-14下载
    积分:1
  • matlab判决反馈信道均衡代码
    matlab实现的基于NLMS算法的判决反馈(DFE)均衡
    2019-05-06下载
    积分:1
  • 谱聚类算法对比
    谱聚类能够识别任意形状的样本空间且收敛于全局最优解,其基本思想是利用样本数据相似矩阵的进行特征分解后得到的特征向量进行聚类,程序进行了几种不同聚类算法的比较,包括Q矩阵聚类,kmeans聚类,第一特征分量聚类,第二广义特征分量聚类,公用数据生成和近邻矩阵生成
    2021-05-06下载
    积分:1
  • matlab自适应滤波法
    【实例简介】
    2021-06-11 00:31:22下载
    积分:1
  • JPDA数据关联算法
    【核心代码】 联合概率数据互联JPDA是数据关联算法之一,它的基本思想是:对应于观测数据落入跟踪门相交区域的情况,这些观测数据可能来源于多个目标。JPDA的目的在于计算观测数据与每一个目标之间的关联概率,且认为所有的有效回波都可能源于每个特定目标,只是它们源于不同目标的概率不同。JPDA算法的优点在于它不需要任何关于目标和杂波的先验信息,是在杂波环境中对多目标进行跟踪的较好方法之一。然而当目标和量测数目增多时,JPDA算法的计算量将出现组合爆炸现象,从而造成计算复杂。程序功能 :采用JPDA数据关联算法实现两个个匀速运动目标的点迹与航迹的关联% 输入变量 :% -target_position: 目标的初始位置% - n: 采样次数 % - T: 采样间隔% -MC_number:仿真次数% - c: 目标个数% 输出变量 :% 无
    2020-12-03下载
    积分:1
  • 卡尔曼滤波在目标跟踪上的运用(三维).m
    卡尔曼滤波在目标跟踪上的运用(三维).m
    2021-05-06下载
    积分:1
  • 696524资源总数
  • 103855会员总数
  • 91今日下载